Релиз 2018a включает набор инструментов для прогнозирующего обслуживания для разработки и тестирования алгоритмов для мониторинга состояния и прогнозного обслуживания, а также набор блоков динамики автомобиля для моделирования и симуляции динамики автомобиля в виртуальной трехмерной среде. Релиз также включает в себя обновления и исправления ошибок для 94 других продуктов.
Сделайте правильные выводы из данных - Predictive Maintenance Toolbox
С помощью Predictive Maintenance Toolbox инженеры могут маркировать данные, проектировать индикаторы состояния, прогнозировать и избегать возможных неисправностей машины. Машинные данные могут быть импортированы из локальных файлов, облачного хранилища и распределенных файловых систем для анализа. Инструментарий содержит справочные примеры для двигателей, коробок передач, аккумуляторов и других машин, которые предоставляют полезные рекомендации по разработке собственных алгоритмов прогнозного технического обслуживания и мониторинга состояния.
Дальнейшие обновления версии 2018a в области анализа данных включают возможность визуализации данных с высокой плотностью с использованием диаграмм рассеяния. Теперь тексты можно анализировать еще точнее, потому что Text Analytics Toolbox теперь распознает предложения, адреса электронной почты и URL-адреса и может извлекать и подсчитывать выражения из нескольких слов.
Новые возможности глубокого обучения
Neural Network Toolbox теперь предоставляет пакет поддержки для реализации уровней глубокого обучения и сетей, разработанных в тензорных потоковых керах. Методы оптимизации, такие как Adam, RMS-Prop и градиентное ограничение, обеспечивают лучшую подготовку сетей. Кроме того, сети в форме направленных, ациклических графов (DAG) могут быть ускорены с использованием нескольких графических процессоров.
Computer Vision Toolbox теперь предоставляет приложение Image Labeler, которое можно использовать для автоматизации меток с точностью до пикселя для семантической сегментации.
С помощью графического кодировщика Mathworks предоставляет инструмент, который автоматически преобразует алгоритмы глубокого обучения в код CUDA. Таким образом, алгоритмы могут быть выполнены непосредственно на GPU. С выпуском 2018a теперь поддерживаются сети с топологиями в форме ориентированных ациклических графов (DAG), а также предварительно обученные сети, такие как GoogLeNet, ResNet или SegNet. Еще одна новая функция - это создание кода на C для сетей глубокого обучения на процессорах Intel и ARM.
Поддержка автономного вождения - Blockset Dynamics
Блок управления динамикой автомобиля предоставляет инженерам полностью собранные эталонные модели приложений, которые имитируют маневры вождения в трехмерной среде. Вы можете визуализировать готовые сцены с дорогами, дорожными знаками, деревьями и зданиями или адаптировать эти модели с вашими собственными данными.
Blockset предлагает стандартную архитектуру модели, которую можно использовать в течение всего процесса разработки: он содержит библиотеку компонентов для моделирования привода, рулевого управления, подвески, тормозов и других компонентов автомобиля. Он поддерживает анализ вождения и управления, а также разработку средств управления шасси.
Интегрируя динамические модели вождения в трехмерную среду, можно протестировать программное обеспечение для систем помощи водителю и автоматизированного вождения, например, поведение транспортного средства во время стандартных маневров вождения, таких как смена двойной полосы движения.
Другие продукты также содержат новые инструменты или расширения для разработки систем ADAS, например, Automated Driving System Toolbox с новым приложением Driving Scenario Designer для интерактивного определения действующих лиц и сценариев вождения для тестирования алгоритмов управления и объединения датчиков, а также прогнозного управления моделью. Панель инструментов с блоками ADAS для проектирования, моделирования и реализации адаптивных алгоритмов для управления скоростью и удержания полосы движения. (Ага)